intelligence artificielle

L’illusion du progrès : quand l’IA confisque le temps pour maximiser le profit

​Derrière les discours sur l'efficacité algorithmique se cache une réalité éminemment politique : l'intelligence artificielle s'inscrit dans un modèle économique de captation du temps et des richesses. Inspirée des interventions de Gustavo Petro à l'ONU et lors des sommets climatiques, cette critique dénonce la manière dont l'automatisation, au lieu de libérer l'humain, renforce son asservissement au profit d'un oligopole technologique.

​Le discours de l'actuel président colombien repose sur trois constats majeurs :

• ​Un monopole de la valeur : L'IA ne détruit pas seulement des emplois, elle transfère le produit des gains de productivité vers une poignée de conglomérats privés, aggravant les inégalités mondiales.
• ​La confiscation du temps : Alors que l'automatisation devrait réduire la pénibilité du labeur, le capitalisme tardif transforme cette efficacité en précarité pour les travailleurs et en surprofit pour le capital.
• ​La menace pour la démocratie : La concentration du pouvoir décisionnel et des données entre des mains privées prive les États de leur souveraineté technologique et sociale.

​Face à cette trajectoire, un projet d'humanité libre exige deux ruptures :

• ​Une régulation publique mondiale : Soumettre les géants de la Tech à des cadres internationaux contraignants pour garantir la transparence des algorithmes et la primauté du bien commun.
• ​La conversion de la productivité en temps libre : Redistribuer les profits de l'automatisation pour financer la réduction du temps de travail sans baisse de salaire ou instaurer des dividendes sociaux universels.

​L’IA n’est pas neutre. Tant qu’elle servira à maximiser la rente privée plutôt qu'à libérer du temps humain, son progrès ne sera qu’une illusion coûteuse pour l'humanité.

Le triomphe de l'algorithme : comment l'intelligence artificielle traque l'argent sale

​Par Mario Scolas

​Dans les coulisses des banques, une révolution discrète est en marche. Pour contrer des criminels toujours plus astucieux, la sécurité ne repose plus seulement sur les yeux rivés des banquiers, mais sur la puissance de l'intelligence artificielle. Plongée au cœur d'un tournant technologique qui change la donne.

​Chaque seconde, des milliards d'euros traversent la planète numérique. Un océan de virements et de paiements au milieu duquel des réseaux criminels tentent de cacher l'argent sale du trafic de drogue, de la corruption ou de la fraude. Longtemps, la riposte des banques est restée basique : des alertes automatiques programmées avec des seuils fixes (par exemple, bloquer tout retrait au-dessus de 10 000 euros). Une méthode rigide qui, face à l'ingéniosité des malfaiteurs, s'essouffle et noie les services de contrôle sous des montagnes de fausses alertes.

​Pour sortir de cette impasse, le secteur bancaire change radicalement de méthode. L'ère de la surveillance passive cède la place à celle de la prédiction grâce à l'analyse de données avancée.

​Pour repérer les criminels sans bloquer les clients honnêtes, les banques s'appuient désormais sur quatre innovations majeures :

• ​L'apprentissage automatique (ou l'art de repérer l'inattendu) : Des programmes informatiques étudient des millions de transactions passées pour apprendre ce qu'est un comportement normal. Contrairement aux règles figées, ces intelligences artificielles détectent l'anomalie inédite — un virement fait à une heure inhabituelle ou un fractionnement bizarre — pour contrer des stratagèmes jamais vus.
• ​La cartographie des relations (ou l'art de percer les cachettes) : Les fraudeurs d'aujourd'hui ne se cachent plus derrière un simple compte, mais à travers un réseau complexe de sociétés écrans et de faux prête-noms. Cette technologie relie tous les points de données sous forme de schéma pour remonter, en une fraction de seconde, jusqu'au véritable propriétaire de l'argent.
• ​La lecture automatique de textes : Avant d'accepter un nouveau client, les banques doivent vérifier son parcours (c'est ce qu'on appelle la vérification d'identité). Des logiciels lisent instantanément des milliers d'articles de presse, de rapports juridiques et de listes officielles pour repérer immédiatement si une personne est mêlée à des affaires louches.
• ​Le tri intelligent des alertes : En éliminant automatiquement plus de 90 % des fausses alertes inoffensives qui empoisonnent le quotidien des équipes de contrôle, ces outils permettent aux enquêteurs humains de se concentrer uniquement sur les vrais dangers.

​Cette transformation technologique bouleverse le métier des personnes qui luttent contre la fraude. Pour que l'humain et la machine fassent la paire, les formations évoluent autour de quatre grands axes :

• ​Le respect des lois : Connaître par cœur les règles nationales et internationales pour savoir identifier les clients à haut risque ou les personnalités politiques exposées.
• ​La culture numérique : Apprendre à dialoguer avec l'intelligence artificielle et à comprendre comment un programme informatique arrive à un résultat.
• ​L'esprit d'enquêteur : Développer le sens de la déduction pour pister l'argent qui circule en cachette et comprendre comment les fraudeurs morcèlent leurs paiements.
• ​Le sens critique : Garder le dernier mot. L'ordinateur donne une piste, mais l'humain reste le seul juge pour décider si une situation est réellement suspecte, tout en respectant la vie privée et les lois sur les données personnelles.

​(En Belgique, cet effort de formation est très encadré : sous l'œil attentif de la Banque Nationale et de l'autorité des marchés financiers (la FSMA), les banques proposent des formations continues obligatoires. Relayées par des structures comme la Febelfin Academy, elles apprennent aux équipes à collaborer étroitement avec la CTIF, l'organisme belge officiel chargé d'enquêter sur les flux financiers suspects).

​Loin du cliché d'un robot froid qui déciderait de tout seul, l'intelligence artificielle agit ici comme un assistant surpuissant. En absorbant la complexité et en triant le déluge d'informations, elle libère les analystes des tâches répétitives.

​Désormais, la technologie et la montée en compétences des équipes ne sont plus vues comme de simples contraintes coûteuses. Elles forment ensemble un bouclier solide pour protéger notre économie et garantir la propreté du système financier face à une criminalité de plus en plus connectée.

​1. Ouvrages généraux et articles de fond sur la conformité et l'AML

• ​DE CONINCK, Jean-François. La lutte contre le blanchiment de capitaux et le financement du terrorisme. Bruxelles : Larcier, 2021. ISBN 9782804494537.
• ​FATF / GAFI. Guidance on Digital Identity. Paris : Financial Action Task Force, 2020. Disponible sur Internet : https://www.fatf-gafi.org/.

​2. Sources institutionnelles et réglementaires (Belgique et Europe)

• ​BANQUE NATIONALE DE BELGIQUE (BNB). Circulaire BNB_2020_24 : Lignes directrices en matière de lutte contre le blanchiment de capitaux et le financement du terrorisme. Bruxelles : BNB, 2020.
• ​AUTORITÉ DES SERVICES ET MARCHÉS FINANCIERS (FSMA). Règlement et recommandations relatifs à la formation continue et à l'intégrité des intermédiaires financiers. Bruxelles : FSMA, 2022.
• ​CELLULE DE TRAITEMENT DES INFORMATIONS FINANCIÈRES (CTIF). Rapport annuel d'activité. Bruxelles : CTIF-CFI.

​3. Innovation technologique et Intelligence Artificielle dans le secteur financier

• ​FEBELFIN ACADEMY. Formations continues en matière de compliance et de lutte contre la fraude financière : Catalogue des programmes. Bruxelles : Febelfin, 2025/2026.
• ​EUROPEAN BANKING AUTHORITY (EBA). Report on the use of Artificial Intelligence and Machine Learning in the EU banking sector. Paris : EBA, 2023.

​Por Mario Scolas

​La inteligencia artificial (IA) se impone hoy en día como un instrumento cardinal en la arquitectura de la prevención del blanqueo de capitales y de la financiación del terrorismo (PBC/FT). Ante la creciente sofisticación de los circuitos financieros ocultos, las instituciones bancarias y las autoridades de regulación —como el GAFI o la Autoridad Europea de Lucha contra el Blanqueo de Capitales (AMLA)— impulsan con firmeza la adopción de tecnologías de vanguardia.

​Históricamente supeditados a sistemas de reglas estáticas y umbrales rígidos, los métodos convencionales de cumplimiento normativo acusan hoy una clara inadecuación operativa. Frente a la masificación de los flujos transfronterizos, generan un volumen abrumador de falsos positivos —que alcanzan habitualmente entre el 90 % y el 95 % de las alertas—, los cuales saturan los departamentos de control mientras permiten, paradójicamente, que prosperen los entramados criminales más herméticos.

​I. La mutación paradigmática de la detección mediante inteligencia artificial

​La integración de las tecnologías algorítmicas insufla una dimensión predictiva y dinámica a los sistemas de vigilancia, transformando radicalmente el análisis de riesgos en tiempo real.

​Los algoritmos de aprendizaje automático modelan de manera evolutiva el comportamiento habitual de la clientela, sopesando umbrales arbitrarios fijos. Este enfoque afina drásticamente la pertinencia del filtrado, lo que permite a los analistas centrar su experiencia en los expedientes que presentan un índice de peligrosidad acreditado.

​Ilustración práctica: La cuenta de un estudiante con ingresos modestos y una actividad tradicionalmente restringida es objeto de transferencias internacionales reiteradas procedentes de jurisdicciones de alto riesgo, convertidas de inmediato en activos digitales. En lugar de atenerse a un tope cuantitativo bruto, el machine learning correlaciona esta anomalía con el perfil de referencia del usuario, califica el expediente como prioritario y evita al mismo tiempo investigaciones injustificadas a los clientes convencionales.

​Las organizaciones delictivas contemporáneas recurren masivamente al fraccionamiento (o colocación por dispersión) y a la opacidad de estructuras societarias en cascada. El análisis mediante grafos de datos permite exhumar las correlaciones invisibles que unen a entidades y cuentas diseminadas a escala transnacional, revelando microtransacciones cuya aparente banalidad ocultaba un alcance sistémico.

​Ilustración práctica: Una red mafiosa ambiciona inyectar 100 000 euros de fondos ilícitos eludiendo los umbrales de declaración, para lo cual encarga a una pluralidad de testaferros efectuar ingresos fraccionados en entidades desvinculadas. Gracias a la modelización por grafos, la IA pone de relieve sincronías temporales y convergencias insospechadas, delatando la centralización de un único fraude fragmentado.

​El procesamiento del lenguaje natural autoriza el examen instantáneo de volúmenes colosales de datos textuales no estructurados —como artículos de prensa internacional, registros mercantiles e informes de organismos supranacionales— con el fin de identificar indicios tempranos de delincuencia financiera.

​Ilustración práctica: Una sociedad pantalla domiciliada en un territorio extracomunitario solicita la apertura de una cuenta profesional. Si bien la documentación formal es impecable, el uso del PLN permite escanear en tiempo real una multitud de fuentes abiertas para revelar la implicación de un titular real en un procedimiento judicial reciente por corrupción, alertando a la entidad bancaria antes de cursar cualquier transacción.

​II. El ecosistema tecnológico complementario de la RegTech

​Más allá de la propia inteligencia artificial, el arsenal de la tecnología regulatoria (RegTech) se articula en torno a innovaciones altamente especializadas que blindan la totalidad del ciclo de cumplimiento.

• ​El análisis de cadenas de bloques (Blockchain Analytics): Aunque las criptomonedas responden a una lógica pseudoanónima, los registros distribuidos siguen siendo trazables por naturaleza. Herramientas de investigación específicas escrutan estos flujos para neutralizar el uso de mixers (protocolos de ocultación) e identificar carteras digitales vinculadas a actividades delictivas probadas.
• ​La automatización robótica de procesos (RPA): Agentes de software automatizan la totalidad de las tareas repetitivas inherentes a los procedimientos de conocimiento del cliente (KYC - Know Your Customer). Orquestan la recopilación documental, la consulta de bases de datos institucionales y la cumplimentación de formularios, reduciendo los tiempos de tramitación a escasos minutos y eliminando el sesgo propio de la introducción manual.
• ​La biometría avanzada y la identidad digital: Combinando el reconocimiento facial tridimensional y la verificación de vitalidad (liveness detection frente a suplantaciones por deepfakes), estas tecnologías garantizan la inviolabilidad de las altas a distancia y neutralizan la proliferación de cuentas mula.
• ​El cálculo con preservación de la privacidad (Privacy-Enhancing Computation): Arquitecturas criptográficas avanzadas, como el cifrado homomórfico, permiten a las instituciones bancarias entrelazar sus bases de datos para cartografiar redes criminales interbancarias, haciéndolo en estricto cumplimiento del secreto bancario y del RGPD.

​III. Desafíos estructurales y perspectivas prospectivas

​A pesar de su formidable eficacia operativa, estas herramientas tropiezan con imperativos éticos y estratégicos de primer orden:

• ​La exigencia de explicabilidad: Las autoridades de regulación y los justiciables exigen una transparencia absoluta sobre los motivos que fundamentaron el bloqueo o el reporte de una operación. Los modelos de «caja negra» deben ofrecer respuestas inteligibles para blindar a las instituciones frente a la arbitrariedad algorítmica.
• ​El armamento bilateral y la carrera digital: Las organizaciones delictivas se apropian a su vez de tecnologías punteras para optimizar sus ardides y burlar las defensas, inaugurando una competición tecnológica permanente.

​En suma, estas herramientas no sustituyen en modo alguno el discernimiento del analista humano; redefinen su enfoque analítico. Al desplazar el cumplimiento normativo desde una postura estrictamente reactiva hacia un paradigma de vigilancia predictiva y sistémica, la inteligencia artificial y la RegTech proporcionan a las entidades financieras los medios necesarios para recuperar la iniciativa frente a una criminalidad financiera hoy industrializada.

​Bibliografía

• ​BERMÚDEZ SOTO, Jorge, 2021. Inteligencia artificial y prevención del blanqueo de capitales: desafíos jurídicos y tecnológicos. Revista de Derecho Penal y Criminología, vol. 45, no 2, p. 145-178. ISSN 1137-7550.
• ​GAFI (Grupo de Acción Financiera), 2023. Oportunidades y desafíos de las nuevas tecnologías en la lucha contra el blanqueo de capitales y la financiación del terrorismo [en línea]. París: GAFI/OECD [Consulta: 10 de enero de 2026]. Disponible en: [https://www.fatf-gafi.org/publications/new-technologies](https://www.fatf-gafi.org/publications/new-technologies)
• ​GÓMEZ JENE, Miguel, 2023. El delito de blanqueo de capitales: aspectos penales y de cumplimiento normativo. Madrid: Editorial Aranzadi, 420 p. ISBN 978-8-1357-9876-4.
• ​JIMÉNEZ GONZÁLEZ, Carmen, 2022. RegTech y transformación digital en el sector bancario: el impacto de la analítica de datos en el cumplimiento normativo. Revista Iberoamericana de Banca y Finanzas, vol. 18, no 1, p. 89-112. ISSN 1988-5431.
• ​SCOLAS, Mario, 2026. La criminalidad financiera en la era digital: rupturas y continuidades. Revista Iberoamericana de Compliance y Negocios, vol. 14, no 2, p. 45-60.